基于注意力机制的卷积时序神经网络检测阵发性房颤模型

目的 为从动态心电图中准确、有效、快速地检测阵发性房颤（Paroxysmal Atrial Fibrillation,PAF），降低患者的发病率和死亡率，设计一种基于注意力机制的卷积时序神经网络检测阵发性房颤的混合模型。方法 该算法首先通过卷积神经网络提取心电信号特征，然后由注意力机制帮助网络聚焦于重点信息部分，最后输入双向门控循环单元用于上下文信息的联系，从而准确检测PAF。结果 该模型使用Physionet 2021数据库作为预训练，在CPSC2021数据库上进行迁移学习，其灵敏度、特异性、准确度分别为96.86%、98.56%、98.54%。结论 相较于其他算法，该算法能够有效检测PAF，具有潜在的临床应用价值。